基于机器学习可解释代理模型的风电次同步振荡在线预测及优化控制方法
随着新能源发电的快速发展,大规模风电场与电网相互作用引起的次同步振荡问题不断凸显,对次同步振荡进行预测并采取预防性控制措施具有重要意义.为此,提出了一种基于机器学习可解释代理模型的风电并网系统次同步振荡的在线预测和优化控制方法.采用Prony算法分析电网小扰动过程以辨识系统阻尼水平.建立了基于梯度提升树模型的系统阻尼评估系统.提出了基于可解释代理模型的优化控制辅助决策方法.在Matlab Simulink中搭建了多个直驱风电场并网系统的仿真模型,验证了所提方法能够有效进行次同步振荡在线预测和优化控制,从而抑制次同步振荡,提升系统的稳定性.相较于传统的抑制方法,所提方法不依赖风电系统的详细模型,能够对风电场进行有针对性的控制,且控制措施的效果是可估测的.
次同步振荡;在线预测;优化控制;机器学习;代理模型
49
国家重点研发计划项目资助;国家电网公司科技项目资助
2021-09-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
67-75